論文の概要: Recursive CSI Quantization of Time-Correlated MIMO Channels by Deep Learning Classification

• arxiv url: http://arxiv.org/abs/2009.13560v1
• Date: Mon, 28 Sep 2020 18:19:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-13 22:50:38.744892
• Title: Recursive CSI Quantization of Time-Correlated MIMO Channels by Deep Learning Classification
• Title（参考訳）: 深層学習分類による時間関連MIMOチャネルの再帰的CSI量子化
• Authors: Stefan Schwarz
• Abstract要約: 周波数分割デュプレックス (FDD) マルチインプット多重出力 (MIMO) 無線通信では、チャネル状態情報 (CSI) のフィードバックが中心となる。 所定のCSI品質を達成するためには、CSI量子化コードブックのサイズはアンテナ数とともに指数関数的に増加しなければならない。
• 参考スコア（独自算出の注目度）: 12.670741983987943
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In frequency division duplex (FDD) multiple-input multiple-output (MIMO) wireless communications, limited channel state information (CSI) feedback is a central tool to support advanced single- and multi-user MIMO beamforming/precoding. To achieve a given CSI quality, the CSI quantization codebook size has to grow exponentially with the number of antennas, leading to quantization complexity, as well as, feedback overhead issues for larger MIMO systems. We have recently proposed a multi-stage recursive Grassmannian quantizer that enables a significant complexity reduction of CSI quantization. In this paper, we show that this recursive quantizer can effectively be combined with deep learning classification to further reduce the complexity, and that it can exploit temporal channel correlations to reduce the CSI feedback overhead.
• Abstract（参考訳）: 周波数分割デュプレックス (FDD) マルチインプット多重出力 (MIMO) 無線通信において、制限チャネル状態情報 (CSI) フィードバックは高度なシングルユーザおよびマルチユーザMIMOビームフォーミング/プリコーディングをサポートする中心的なツールである。 与えられたCSI品質を達成するために、CSI量子化コードブックのサイズはアンテナの数とともに指数関数的に増加し、量子化の複雑さと、より大きなMIMOシステムに対するフィードバックオーバーヘッドの問題をもたらす。 我々は最近,CSI量子化の複雑性を著しく低減できる多段再帰的なグラスマン量子化器を提案している。 本稿では,この再帰的量子化器と深層学習分類を効果的に組み合わせて複雑性をさらに低減し,時間的チャネル相関を利用してCSIフィードバックのオーバーヘッドを低減できることを示す。

関連論文リスト

• Robust Image Semantic Coding with Learnable CSI Fusion Masking over MIMO Fading Channels [44.15994739018646]
  既存の意味コミュニケーションフレームワークは、主に単一出力の単一出力ガウスチャネルやレイリーフェディングチャネルを考察している。 学習可能なCSI融合セマンティックコミュニケーションフレームワークを提案し,CSIはセマンティック抽出器によってサイド情報として扱われる。 実験結果は従来のスキームや最先端のSwin TransformerベースのセマンティックコミュニケーションフレームワークよりもLCFSCの方が優れていることを示す。
  論文  参考訳（メタデータ） (2024-05-30T08:23:17Z)
• A Low-Overhead Incorporation-Extrapolation based Few-Shot CSI Feedback Framework for Massive MIMO Systems [45.22132581755417]
  周波数分割二重化(FDD)大規模マルチインプット多重出力(MIMO)システムにおけるダウンリンクプリコーディングには、正確なチャネル状態情報(CSI)が不可欠である。 しかし,アンテナやサブキャリアの規模が大きくなると,ユーザ機器(UE)からのフィードバックによるCSI取得が困難になる。 CSIを圧縮するために深層学習に基づく手法が登場したが、これらの方法はかなりの収集サンプルを必要とする。 既存のディープラーニング手法は、フル次元のCSIフィードバックに重点を置いているため、フィードバックオーバーヘッドが劇的に増加することにも悩まされる。 低オーバーヘッド抽出に基づくFew-Shot CSIを提案する。
  論文  参考訳（メタデータ） (2023-12-07T06:01:47Z)
• Joint Channel Estimation and Feedback with Masked Token Transformers in Massive MIMO Systems [74.52117784544758]
  本稿では,CSI行列内の固有周波数領域相関を明らかにするエンコーダデコーダに基づくネットワークを提案する。 エンコーダ・デコーダネットワーク全体がチャネル圧縮に使用される。 提案手法は,共同作業における現状のチャネル推定およびフィードバック技術より優れる。
  論文  参考訳（メタデータ） (2023-06-08T06:15:17Z)
• Deep Learning-Based Rate-Splitting Multiple Access for Reconfigurable Intelligent Surface-Aided Tera-Hertz Massive MIMO [56.022764337221325]
  再構成可能なインテリジェントサーフェス(RIS)は,Tera-Hertz大規模マルチインプットマルチアウトプット(MIMO)通信システムのサービスカバレッジを大幅に向上させることができる。 しかし、パイロットとフィードバック信号のオーバーヘッドが限定された正確な高次元チャネル状態情報(CSI)を得ることは困難である。 本稿では、RIS支援Tera-Hertzマルチユーザアクセスシステムのための、ディープラーニング(DL)に基づくレート分割多重アクセス方式を提案する。
  論文  参考訳（メタデータ） (2022-09-18T03:07:37Z)
• Learning Representations for CSI Adaptive Quantization and Feedback [51.14360605938647]
  本稿では,周波数分割二重化システムにおける適応量子化とフィードバックの効率的な手法を提案する。 既存の研究は主に、CSI圧縮のためのオートエンコーダ(AE)ニューラルネットワークの実装に焦点を当てている。 1つはポストトレーニング量子化に基づくもので、もう1つはAEのトレーニング中にコードブックが見つかる方法である。
  論文  参考訳（メタデータ） (2022-07-13T08:52:13Z)
• Overview of Deep Learning-based CSI Feedback in Massive MIMO Systems [77.0986534024972]
  ディープラーニング(DL)ベースのCSIフィードバックは、DLベースのオートエンコーダによるCSI圧縮と再構築を指し、フィードバックオーバーヘッドを大幅に削減することができる。 その焦点は、CSIフィードバックの正確性を改善するために、新しいニューラルネットワークアーキテクチャとコミュニケーション専門家の知識の利用である。
  論文  参考訳（メタデータ） (2022-06-29T03:28:57Z)
• PolarDenseNet: A Deep Learning Model for CSI Feedback in MIMO Systems [18.646674391114548]
  UEにおけるCSIを低次元の潜在空間に符号化し、基地局で復号する自動エンコーダアーキテクチャに基づくAIベースのCSIフィードバックを提案する。 シミュレーションの結果,AIに基づく提案したアーキテクチャは,最先端の高分解能線形組合せ符号ブックよりも優れていた。
  論文  参考訳（メタデータ） (2022-02-02T19:04:49Z)
• CSI Feedback with Model-Driven Deep Learning of Massive MIMO Systems [0.0]
  モデル駆動深層学習に基づく2段階低ランクCSIフィードバック方式を提案する。 さらに、より効率的なCSIフィードバックを実現するために、高速反復収縮しきい値アルゴリズム(FISTA)を展開させることにより、FISTA-Netというディープ反復ニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2021-12-13T03:50:43Z)
• Distributed Deep Convolutional Compression for Massive MIMO CSI Feedback [9.959844922120524]
  大規模マルチインプット・マルチアウトプット(MIMO)システムは、空間的多様性と多重化ゲインを達成するために、基地局(BS)のダウンリンクチャネル状態情報(CSI)を必要とする。 本稿では、畳み込み層と量子化およびエントロピー符号化ブロックからなるディープラーニング(DL)ベースのCSI圧縮スキームDeepCMCを提案する。 DeepCMCは、CSI品質とフィードバックオーバーヘッドの間のトレードオフを可能にする、重み付けされたレート歪みコストを最小限に抑えるように訓練されている。
  論文  参考訳（メタデータ） (2020-03-07T12:33:31Z)
• DeepSIC: Deep Soft Interference Cancellation for Multiuser MIMO Detection [98.43451011898212]
  複数のシンボルが同時に送信されるマルチユーザマルチインプットマルチアウトプット(MIMO)設定では、正確なシンボル検出が困難である。 本稿では,DeepSICと呼ぶ反復ソフト干渉キャンセリング(SIC)アルゴリズムの,データ駆動による実装を提案する。 DeepSICは、チャネルを線形にすることなく、限られたトレーニングサンプルから共同検出を行うことを学ぶ。
  論文  参考訳（メタデータ） (2020-02-08T18:31:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。